本文针对化工过程数据包含动态非线性和噪声的特点,提出了一种提升小波与动态核PCA(LWDKPCA)相混合方法用于非线性动态过程的自适应监控。首先,利用提升小波分解降噪,之后将动态去噪数据映射到核空间,进行故障检测和监控。为了证明该方法有效性,将LWDKPCA应用于TE过程监控。结果表明,该方法的快速性优于基于传统小波的动态核PCA。与动态核PCA(DKPCA)相比,LWDKPCA具有较好的故障检测和监控性能。针对快速性问题,提出了一种基于提升小波(LW)与递推最小二乘支持向量机(RLSSVM)相混合的快速故障诊断方法(LW-RLSSVM)。该方法首先通过提升小波变换对数据实时去噪,再通过快速算法训练最小二乘支持向量机分类器。由于采用了递推算法,节省了存储空间和运算时间,同时增加了诊断模型的适应性。实验结果表明,LW-RLSSVM混合方法能有效实现快速故障诊断,在诊断速度和适应性方面,优于基于第一代小波与LSSVM相混合(WLSSVM)的故障诊断方法;在诊断精度等方面,该方法优于LSSVM、RLSSVM等方法。根据设计要求设计了工业故障诊断研究实验平台,并在此平台上对提出的方法进行了验证。该应用平台采用C/S、B/S的混合模式,并集成Matlab、力控等专业软件系统,并采用OPC、ODBC、数据库技术实现了故障诊断系统的基本功能。